概念页

概率直觉与认知偏差

Probability Intuition & Cognitive Biases

更新于 2026-10-12 约 13 分钟概率认知偏差期望值效用可得性自利偏差邓宁-克鲁格效应归因偏差

Schreiber 与 Romero 第 20 章讨论真实概率在人类心理中如何走样：期望值不等于效用（赔率、频率、金额门槛都影响意愿），一系列认知偏差与谬误让玩家把公平的随机感知为不公平；设计上的应对有三类——利用偏差（作者明确视为"黑暗面"）、按偏差修改概率（并讨论其伦理）、以及诚实地公开随机结果与改进界面（p.491–508）。

期望值与效用（p.491–493）

既然平衡关乎玩家感知的公平，而多数人对真实概率缺乏直觉，那么即使随机系统完全公平，很多玩家也会觉得不公平。原书用五个"赚钱游戏"说明期望值不是全部：

游戏	规则	玩家优势	多数人会玩吗
原版	付 1 美元，d20 掷 19–20 得 15 美元	每局 +0.5 美元（50%）	会
v2	付 1499 美元，19–20 得 15,000 美元	每局 +1 美元（约 0.067%）	不会——相对于赌注优势太小
Mega	付 100 美元，d1000000 掷 1 得 10 亿	每局 +900 美元（900%）	不会——中奖频率太低
Giga	付 100 美元，d1000000 掷 1 得 1 万亿	每局 +999,900 美元	不会——频率仍太低；1 万亿并不比 10 亿"改变人生"一千倍，超过百万级后人脑难以区分
Micro	付 0.01 美元，19–20 得 0.20 美元	每局 +1 美分（100%）	很多人不会——赌注太小，时间本身有价值

结论：决定意愿的不只是期望值，还有优势比例、中奖频率与金额门槛。仍要做期望值计算以确保概率平衡，但不能只靠它；数学在极端情况下容易失效，极端值可以在测试中试，在线上游戏中要谨慎（相关的后悔规避、风险夸大见概率与期望值）。

认知偏差与谬误（p.494–500）

偏差	表现	对游戏的影响
回忆难易偏差（原书称 selection bias，见下方原书问题）	用回忆的难易估计概率。多数时候有效（入室盗窃比抢劫常见，人们的亲身经验也如此），但在罕见事件更容易记住时失效：空难上全国新闻，车祸太常见反而不报，于是人们更怕坐飞机；彩票赢家常见报道，于是高估中奖率	玩家记得辉煌胜利多于屈辱失败，高估自己的胜率与技术；可自选难度或对手时倾向选胜率低于 50% 的难度，挣扎后受挫放弃——除非用自动匹配、动态难度等机制把玩家放到合适的位置
自利偏差	Sid Meier 在 GDC 2010 主题演讲中称，界面显示 75%–80% 胜率时，测试者直觉上期待赢约 95%；真按 75% 输掉四分之一会觉得不对	只对赢成立：75% 败率时赢四分之一，玩家完全接受
邓宁-克鲁格效应	判断能力本身来自能力，不擅长者无法判断谁是专家（包括自己）；大多数人认为自己驾驶水平高于平均，而人人都觉得自己能比你做更好的游戏设计师。脚注：反向也成立，高手以为对自己容易的事对别人也容易，低估自己	水平一般的玩家参赛惨败后寻找解释：运气差、对手作弊、电脑故障……甚至"平衡差"（高手赢不了说明游戏不公平）
归因偏差	随机奖励被内化（是我决策好、冒的险算得准），随机挫折被外化（怪骰子、怪牌、怪运气）	挫折多了就说游戏不公平，投入很深时（高额赌博）会指控他人作弊；电子游戏的逻辑隐藏，有人相信 AI 在偷看数据或故意改数字
锚定	第一个看到的数字成为比较基准，其重要性被高估：老虎机最醒目的是头奖金额；赌场把 21 点"1 赔 1"说成"2 换 1"（数学相同，但 2 看起来更大）；二手车场先看到 2 万的车，旁边 1.8 万的就显得划算；百货店把"原价"印得很大	Sid Meier 的测试者接受 2:1 优势时输三分之一，却觉得 20:10 优势时输三分之一不公平——20 是个大数（尤其前期数字多在 1–10），显得压倒性；而 10:20 劣势时赢三分之一照样接受。RPG 中基础伤害小、后加很多加成的玩家会低估自己的伤害
赌徒谬误	认为连串会被打破。让人凭空说十次"正/反"：上一次是正面时约 60% 会说反面，几乎没人说出四连。Sid Meier 的测试者连输两次 2:1 优势的战斗就喊犯规	3:1 应几乎全赢、2:1 输三分之一可以、但不能连输两次。若游戏开局是一串抛硬币，约 1/32 的人前六次结果相同：320 万玩家中 10 万人首局就遇到六连——一半连胜者因锚定期望过高，回归平均后觉得游戏作弊；一半连败者觉得随机数坏了，愤然（而且大声地）离开。根源是人脑极善于识别模式（Raph Koster《A Theory of Fun》），副作用是看到并不存在的模式
手热谬误	与赌徒谬误相反：认为连中会继续（篮球"手热"，《NBA Jam》中连进三球即"着火"，速度与命中提升，篮筐偶尔炸成核火球）。原书承认投篮未必完全独立（信心、观众、心流），需看统计；并称统计显示存在轻微的反向效应	连胜/连杀奖励会适得其反：表现服从某种分布，连胜是暂时处在分布高端，玩家因自利偏差归功于技术进步，下次回落时感到受挫——连胜的快感总会被玩家眼中的挫折收尾

设计应对（p.500–505）

利用（黑暗面）：彩票和赌场宣传大赢家和头奖金额（回忆偏差 + 锚定）；部分老虎机和视频扑克被设定为比随机更常出现"差一点"（两个 Bar 加第三个差一格、同花大顺差一张），让人以为接近中奖而继续玩；政客利用公众对罕见但广为报道事件（恐袭、天灾）的恐惧许诺立法保护——这承诺多半能"兑现"，因为那些事本来就不太会再发生；大卖场用醒目的特价标牌让周围商品也显得便宜，车行把高价车摆在顾客先看到的位置；骗局如"荐股信"：给一半人说某股涨、一半人说跌，再对猜对的一半重复，四五轮后剩下的少数人以为你有神奇系统，交出大笔钱后你卷款跑路。作者调侃：设计师"卖身"时就去做营销、广告、政治策略、赌博或诈骗。

顺应偏差修改概率：说一套做一套——显示 75% 时实际按 95% 掷骰；一次随机失败后让后续每次失败比纯概率低 10%，使长连串不太可能、超长连串不可能（实现方式见伪随机数生成）。原书脚注：这与桌面 RPG 主持人在屏风后改骰不同——主持人改骰是为了故事更有趣或更戏剧化，而不是迎合手热或赌徒谬误。其他原则：

对改变局势的随机事件极其小心：对玩家有利没问题，被随机消灭则反应很差——以为自己做错了却找不到原因、觉得宏大战略被一次掷骰推翻没意义、或认为 AI 嫉妒自己而作弊。
玩家喜欢小赢常有、大赢偶有；能忍受小损失，痛恨大损失——电子游戏中大挫折后会读档、小挫折不会；老虎机流行正因为每次只输一点、偶有大赢、从无意外的大损失。
应对手热谬误：不奖励连胜、淡化其存在感；若要有连胜，就放进正反馈（连胜加成提高继续连胜的机会），抵消连中后更易失手的倾向（见反馈回路）。

伦理问题（p.503–504）：迎合玩家错误认知的做法是不诚实的。设计师在教玩家——扭曲概率规则来强化错误观念，是否等于明知故犯地教错东西？诚实也未必让玩家离开：扑克极其流行且赚钱，却无情惩罚任何概率观念有缺陷的人。作者只提出问题：处理概率是否属于职业伦理？在给玩家想要的乐趣与准确模拟现实之间，界线划在哪？游戏实际如何运作与玩家感知它如何运作，哪个更重要？（另见游戏的影响与设计师责任。）

诚实的方案：公开随机过程的结果，而不只是声称的概率。

显示胜负记录和胜率，玩家对自己表现的估计会更准确。
街机版《俄罗斯方块》单人时用半个屏幕统计每种方块落下的数量——觉得长条永远在不需要后才来时，看一眼就知道游戏是否在坑你；单关内有波动，长期大致相等。游戏是公平的，并且能用实时数据证明。
让概率易读：某些版本的卡坦岛在数字上印点，2 和 12 一个点、6 和 8 五个点，点数正是每 36 次 2d6 中该数的期望出现次数，相邻板块点数相加即可比较建造地点的期望产出。
对 AI 的扑克游戏可在每手后公开谁的牌最大并持续统计（对真人不行，会泄露对手的诈唬模式）；电子版《战国风云》可统计每种点数组合的出现频率供随时查看。
透明是设计选择而非必选项：故意隐藏随机机制，让社区靠自己收集数据去破解（在玩家维基时代、在 MMO 这类社区型游戏中尤其如此）也是正当选择。
让随机看得见、摸得着：实体骰子、抽牌、布袋摸子都有手感，电子游戏缺乏这种触感，这可能是玩家不信任电脑随机数的原因之一。生成随机数时画出滚动的骰子，抽牌时显示牌堆并播放洗牌和发牌动画——虽然只是前端包装，却让游戏显得更可信（尽管实体牌和骰子也并非完全随机，见第 21 章）。

延伸资源：Sid Meier《The Psychology of Game Design (Everything You Know Is Wrong)》，GDC 2010。

课后练习要点（p.506–508）

讨论题包括：从五个赚钱游戏归纳正期望行动何时被视为好买卖；回忆自己认定随机数坏掉的经历，如何区分真 bug 与统计离群（需要什么工具或界面）；随机挑一个认知偏差并构思它在游戏中如何出现或被设计；期望值既然是平均结果，玩家为何不总以它为准；玩家在什么条件下能正确直观地理解概率。支线 20.1：为电子版大富翁列出防止玩家误以为骰子和两叠卡牌不公平的方法；20.2：写一页概念文档，设计一款利用至少一种偏差、并让玩家意识到这种偏差的有趣游戏；20.3"邪恶赌博游戏"：只用标准扑克牌和骰子设计赌场游戏，表面上对玩家有利、实际庄家有优势，玩家输的不超过所押、庄家无需做选择；进阶计算庄家优势（如押 100 期望输 2 即 2%），终极挑战把庄家优势调到 0.25%–30% 之间——简单快速的游戏取低端、头奖大的游戏取高端，并与同类现有赌场游戏对照。

原书问题

位置	问题	核对
p.494	把"用回忆的难易程度估计概率"称为 selection bias（选择偏差）	这种启发式在心理学中称为可得性启发式 (availability heuristic)，由 Tversky 与 Kahneman 提出（"Availability: A heuristic for judging frequency and probability", Cognitive Psychology 5(2), 1973）；选择偏差指样本选取方式导致的统计偏差，是另一个概念
p.493 Giga 游戏	每局期望净赚 999,900 美元、赌注 100 美元，却写作"9,999% player advantage"	按同页 Mega 游戏的口径（每局 +900 美元记为 900%），应为 999,900%（即赌注的 9,999 倍）。本页表格按每局期望收益列出
p.498	"the probability of four-in-a-row is only 1/8, so it is actually common to see a streak of four somewhere in ten coin flips"	1/8 是指定的连续四次结果相同（全正或全反）的概率；十次抛硬币中某处出现至少四连的概率为 $476/1024\approx46.5\%$ （穷举 1024 种序列可得），这才是"很常见"的依据
p.500 手热	称统计显示存在轻微的反向效应（连进后更可能不进）	经典研究 Gilovich、Vallone 与 Tversky（Cognitive Psychology 17(3), 1985）的结论是没有显著的手热效应，而非反向效应；Miller 与 Sanjurjo（Econometrica 86(6), 2018）指出原研究的统计方法存在偏差，修正后反而发现了支持手热效应的证据。该问题至今仍有争议，原书的说法缺乏依据

数值核对：v2 $1/1499\approx0.067\%$ ✓；Mega $900/100=900\%$ ✓；六次相同 $2\times(1/2)^6=1/32$ ， $3{,}200{,}000/32=100{,}000$ ✓；卡坦岛点数 = 每 36 次中的期望次数（6、8 各 5 次）✓。

与其他书的对照

主题	已有观点	Schreiber & Romero
人如何感知概率	Schell 在概率与期望值的"人的因素"中讨论感知概率、后悔规避（Kahneman 与 Tversky）与风险夸大，并在"技能与运气的纠缠"中提到赌徒谬误与手热谬误是"想象中的技能"，可加以利用	列出更完整的偏差清单并逐一给出游戏影响；对"利用偏差"持明确的伦理保留，并给出"公开结果、改进界面"的诚实方案
隐藏的随机修正	运气与技巧的管理中提到的隐藏随机	本章讨论把显示概率与实际概率分离的做法，并指出这是不诚实的

出处

Game_Balance_-_Ian_Schreiber_Brenda_Romero.pdf
Ian Schreiber & Brenda Romero《Game Balance》第 1 版（CRC Press, 2022, ISBN 978-1-4987-9957-7）第 20 章 Probability and Human Intuition（印刷页 p.491–508）